Salzgroße Sensoren ahmen das Gehirn nach

Warum sich nicht von ihm inspirieren lassen, um das Gehirn besser zu verstehen? Zumindest haben Forscher der Brown University genau das getan und ein drahtloses Kommunikationssystem entwickelt, das das Gehirn mithilfe einer Reihe winziger Siliziumsensoren nachahmt, von denen jeder die Größe eines Sandkorns hat. Forscher hoffen, dass diese Technologie eines Tages in implantierbaren Gehirn-Maschine-Schnittstellen zum Lesen der Gehirnaktivität eingesetzt werden kann.

Jeder 300 x 300 Mikrometer große Sensor fungiert als drahtloser Knoten in einem großen Netzwerk, analog zu Neuronen im Gehirn. Wenn ein Knoten ein Ereignis erkennt, beispielsweise eine Änderung der Temperatur oder der neuronalen Aktivität, sendet das Gerät die Daten als „Spike“-Signal, bestehend aus einer Reihe kurzer Hochfrequenzimpulse, an einen zentralen Empfänger. Dieser Empfänger dekodiert dann die Informationen.

„Das Gehirn ist äußerst effizient im Umgang mit großen Datenmengen“, sagt Arto Nurmikko, Professor für Ingenieurwissenschaften und Physik an der Brown University. Aus diesem Grund entschied sich sein Labor für die Entwicklung eines Netzwerks diskreter, „neuromorpher“ Mikrosensoren, die sich also an der Funktionsweise des Gehirns orientieren. Und damit sind die Gemeinsamkeiten noch nicht erschöpft: Nurmikko sagt, dass auch drahtlose Signale und Rechenmethoden vom Gehirn inspiriert werden. Das Team veröffentlichte seine Ergebnisse am 19. März in Natürliche Elektronik.

Denken Sie wie ein Gehirn

Diese Sensoren sind wie Neuronen ereignisgesteuert und senden nur dann Signale an den Empfänger, wenn eine Änderung eintritt. Während die digitale Kommunikation Informationen in einer Folge von Einsen und Nullen kodiert, reduziert dieses System die Menge der übertragenen Daten, indem es Zeiträume der Inaktivität nutzt, um abzuleiten, wohin die Nullen gesendet würden. Wichtig ist, dass dies zu erheblichen Energieeinsparungen führt und eine größere Anzahl von Mikrosensoren ermöglicht.

Da jedoch so viele Sensoren Informationen an einen gemeinsamen Empfänger senden, kann es schwierig sein, die Datenströme gerade zu halten. Die Forscher verwendeten eine neuromorphe Computertechnik, um die Signale in Echtzeit zu dekodieren.

„Das Gehirn ist äußerst effizient im Umgang mit großen Datenmengen. » —Arto Nurmikko, Brown University

Die Forscher führten außerdem Simulationen durch, um die Fehlerrate des Systems zu testen, die mit der Anzahl der Sensoren steigt. Zusätzlich zu 78 hergestellten Sensoren führten sie Simulationen von Netzwerken mit 200, 500 und 1.000 Knoten durch, wobei sie einen realen Datensatz aus Gehirnaufzeichnungen von Primaten verwendeten. In jedem von ihnen sagte das System die Handbewegung eines nichtmenschlichen Primaten mit einer Fehlerquote von weniger als 0,1 % voraus, was für Gehirn-Computer-Anwendungen akzeptabel ist. Nurmikko sagt, dass das Team als nächstes das drahtlos implantierte Sensornetzwerk bei Nagetieren testen wird.

Obwohl die Technologie auf jeden Teil des Körpers angewendet werden kann, in dem biomedizinische Forscher die physiologische Aktivität überwachen wollen, besteht das Hauptziel darin, sie in einer Gehirn-Maschine-Schnittstelle zu verwenden, die in der Lage ist, eine große Region des Gehirns zu untersuchen, erklärt Nurmikko. Die Sensoren könnten auch für den Einsatz in tragbaren Technologien oder Umweltsensoren modifiziert werden.

Für biomedizinische Anwendungen bietet das System entscheidende Vorteile, etwa sein kleines und unauffälliges Design. Diese Anwendungen weisen jedoch auch eine wesentliche Einschränkung auf: Die Sensoren werden extern über einen drahtlosen Strahl mit Strom versorgt, sodass keine Batterien erforderlich sind, und der Körper kann nur eine begrenzte Menge an Hochfrequenzenergie sicher absorbieren. Mit anderen Worten: Das System ist nicht durch die Bandbreite begrenzt, sondern vielmehr durch die gelieferte Leistung. „Aus praktischer Sicht kommt es immer auf die Frage an: Woher nimmst du deine Energie? sagte Nurmikko.

Möglichkeiten der Gehirn-Maschine-Schnittstelle

Die Forschung leistet „einen wichtigen Beitrag, der die Machbarkeit und das Potenzial neuromorpher Kommunikation für zukünftige drahtlose Sensor-, Kommunikations- und Entscheidungsanwendungsfälle mit geringem Stromverbrauch demonstriert“, sagt Osvaldo Simeone, Professor am King’s College aus London und einer der Forscher. der 2020 erstmals ein neuromorphes Kommunikationssystem entworfen und simuliert hat.

Die Idee eines drahtlosen Netzwerks zur Erforschung des Gehirns sei nicht neu, sagt Federico Corradi, Forscher und Assistenzprofessor für Elektrotechnik an der Technischen Universität Eindhoven. Im Jahr 2011 hielt beispielsweise ein Forscher der UC Berkeley einen Vortrag über „neuronalen Staub“, in dem er eine hypothetische Klasse nanometergroßer drahtloser Sensoren vorschlug. „Aber jetzt kommt es langsam zum Tragen“, sagt Corradi.

Ein wichtiges Element des Designs von Researcher Brown ist seine Einfachheit, sagt Corradi. Die Sensorarchitektur enthält weder eine Batterie noch einen On-Chip-Takt, was sie ideal für skalierbare Systeme mit geringem Stromverbrauch macht. „Es eröffnet viele Möglichkeiten.“

Darüber hinaus hebt Corradi die asynchrone Natur des Sensors als wesentlichen Vorteil und Nachteil hervor. Dieser Aspekt des Sensors speichert zeitliche Informationen, die für die Untersuchung des Gehirns unerlässlich sind. Diese Funktion könnte jedoch auch Probleme verursachen, wenn das relative Timing von Ereignissen unausgeglichen wäre.

Corradi glaubt, dass diese Arbeit Teil eines umfassenderen Trends zu neuromorphen Systemen ist, einer „neuen Welle von Gehirn-Maschine-Schnittstellen, die wir hoffentlich in naher Zukunft sehen werden“.